基于潛在類別分析對貴陽地鐵商業空間的研究

潘炫筱 袁瓊芳 陳永佳 卯昌平 楊雪

摘 要：就貴陽地鐵商業現狀提出三個問題：一是不同人群對地鐵商業的需求有何不同？二是貴陽市民對現有地鐵商業空間的滿意程度如何？三是如何結合貴州特色對貴陽地鐵地下商鋪和地上沿線商圈進行規劃，最大化帶動貴陽經濟和貴州旅游業發展？針對以上三個問題，本次調查采用了線上線下問卷調查及實地蹲點調查和深入訪談調查來獲取數據，使用潛在類別分析等統計分析方法展開了研究。

關鍵詞：貴陽地鐵 ? 商業空間需求 ? 滿意度 ? 潛在類別分析 ? 統計分析方法

1. 序言：

截止2019年10月，貴陽軌道交通日均客運量為十一萬人次，巨大的人流量，為軌道交

站點帶來了巨大的商機，使沿線的商業、旅游業等普遍升值。貴陽市采用網紅概念設計的COCO新天地（中山西路商業街）吸引了大量游客前往，已經成為了貴陽的一大文化商業標志。

地鐵作為新型交通工具，建設投入大、成本回收周期長、在國內外普遍存在地鐵運營虧損的狀況，光憑地鐵運營收入和政府的補助不能解決根本問題，地鐵把人流引入沿線商圈， 地鐵客流使得地鐵口區域內的地面商業空間成為人流的高聚集地。“蝴蝶效應”在地鐵及其周邊的商業空間中得到了體現。

本文的研究目的是通過問卷調查和實地調查，了解貴陽市民對地鐵商業空間需求與使用滿意度，根據貴陽市民對地鐵商業空間的使用滿意度來發現地鐵商業空間運行的不足之處，并對商業空間規劃提出建議和改進措施，進而提高貴陽地鐵商業的吸引力。

2.研究方法

2. 1研究對象

以貴陽市全體市民為調查對象。

2. 2 信度與效度分析

通過SPSS對數據進行信度效度檢驗，得到調查信度系數為0.808，本次問卷可靠性較高，利用KMO檢驗以及Bartletts球狀檢驗，得到KMO值為0.860大于0.8且Bartletts球狀檢驗中sig.=0.000<0.05，表明變量直接相關性顯著，說明問卷效度良好，結果有效。

2.3 樣本量計算

采用公式來計算樣本量，計算得需要816份問卷。

采用線上、線下、等方法進行問卷發放，430份為現場調查所得數據，416份為網絡調查所得數據。最終有效回收問卷816份，收回無效問卷30份，問卷有效回收率96.45%。

2.4 統計方法

2. 4. 1自我問卷填寫

本次問卷一共有23個題，部分題采用4級計分，從“非常滿意”、“滿意”、“一般”、“不滿意”依次記為4分，3分，2分，1分;在計算總體滿意度時換算為百分制;貴陽市市民對地鐵商業空間總體滿意度打分平均分為73.25分。并計算不同職業對商業整體空間的滿意度[1]，如下表所示。

2. 4. 2深度訪談問卷

深度訪談問卷是針對貴陽市全體市民中的學生、上班族、自由職業者、退休四類不同類型的人針對以下問題進行訪談。

1、您今年多大了;

2、您乘坐地鐵的目的是什么;

3、您最喜歡COCO新天地內的什么元素;

4、您比較喜歡COCO新天地內那種類型的商鋪;

5、您希望增加什么商鋪;

6、您對COCO新天地內的建設有什么建議

通過深度訪談，得知對于學生來說他們乘坐地鐵是為了出游購物，對地鐵內的網紅設計比較感興趣;對于中年人來說他們希望能夠改善一下空氣質量及衛生，增加一些適合小孩的店鋪，以及一些環境較安靜的店鋪;對于老年人來說，他們經常去地鐵附近瀏覽一些打折商鋪。

2.4. 3地鐵商鋪人流量統計

在通過蹲點調查方法，進行不同類別的店鋪不同時間段的人流量統計，發現生活類店鋪最受歡迎;

2.4.5潛在類別分析方法

我們運用Mplus對數據進行潛在類別分析，按照不同的出游及消費傾向將人群分為計劃公務型、臨時混合型以及旅游休閑型。

3.潛在類別模型分析

3.1概率參數化

其中：為潛在類別模型的聯合概率，為潛在類別概率為條件概率。

3. 1. 1參數估計與模型擬合

模型參數估計時采用了穩健極大釋然法，其中廣泛使用的是EM算法[5]。模型擬合優度檢驗的主要方法有似然比卡方統計檢驗以及基于似然比卡方檢驗的信號評價指標AIC和BIC。指標越小說明模型適配度越高。

3. 1. 2潛在類別分析[7]

在確定模型并對模型參數估計后，進行潛在類別分析，計算觀察數據分類到各潛在類別的后驗概率，根據后驗概率判斷每一個數據應該歸入的潛在類別。

其中：表示觀察數據分類到某個潛在類別的后驗概率，表示觀察數據分類到某個潛在類別的概率。

3. 1. 3分類正確率驗證

其中：為驗證指標，在0.6以上，認為相關性較高，分類效果較好。

3. 2市民對貴陽地鐵商鋪需求

3. 2. 1外顯變量的選取

本文選取了客戶的基本信息性別和職業，選取了客戶具體乘坐地鐵的頻率，次數反映客戶對地鐵的依賴程度，選取了最吸引客戶的商鋪和對商鋪空間大小的滿意程度來反映客戶對地鐵商鋪的情況。

3. 2. 2模型評價

從表 5中可以看出，當潛在類別模型數目為3時，模型滿足數據擬合要求，各項指標都小于潛在類別數目為1和2時的模型，并且此時的AIC和BIC指標最小，因此包含3個潛在類別數目的模型作為本文潛在類別分析的最優模型。

3. 2. 3參數估計結果

采用Mplus軟件對最優模型進行參數估計，得到潛在類別概率和各個外顯變量的條件概率，從表中可以看出第三類潛在類別概率最大為0.51，其次為第一類概率為0.31最小的是第二類0.18。從條件概率可以看出各個類別的外顯變量特征差異明顯，尤其是U4、U5和U6三個外顯變量上，表明這三個外顯變量是分類的主要影響因素。

3. 2. 4潛在聚類結果

根據分類結果正確性驗證得到，，結果表明分類正確率較高，分類結果合理。

3. 2. 5不同類別客戶出行特征分析

根據潛在類別分析結果，結合3類顧客的顯著變量特征，可以分為計劃公務型、臨時混合型、旅游休閑型[8]。

從圖中我們可以看出，計劃公務型的顯著特征表現為女性，職業多為上班族，外出目的主要是外出辦理業務。這部分人群對服裝、特產店的需求較小，對地鐵商業空間建設滿意度較低;

臨時混合型主要是學生及自由職業者人員，這部分人群對飲食類店鋪需求較高，外出目的多元化，對地鐵商業空間滿意度較高;

旅游休閑型人群男性與女性比例接近，乘坐地鐵大都是偶爾不定期，這部分人群對地鐵商業要求較高，外出目的大都為出游購物。

4.結論與建議

消費社會角度下當代地鐵商業空間的設計，應符合當前消費人群“情感化”需求，把環境營造與人們的生活追求結合起來，為地鐵商業空間建設找到新的突破點。

4.1.市民對貴陽地鐵總體滿意度有待提高

待業人員的滿意度最高，學生以及上班族次之，老年人滿意度最低。市民普遍反映地鐵商業空間內的空氣質量以及店鋪管理方面需要改善。在地鐵店鋪更新過程中可以適當增加通風口，打造具有主體特色的店鋪。

4.2.對四類商鋪做了蹲點統計人流量得出四類不同風格商鋪的消費人群有顯著性差異

在小吃快餐類店鋪的消費人群中，中年人（攜帶小朋友）和學生群體占比最多;在特產類商鋪中，老年人以及外省游客占比最多;在服裝類商鋪中，女性顧客占比最多，且較多為年輕人;在生活類商鋪中，消費人群多為年輕人;因此我們可以對地鐵商鋪實行淘汰制，服務好和受歡迎的商鋪重點引進;建立面向市民的地鐵微信公眾號，豐富公眾號內容，對貴陽地鐵地下和地上商鋪進行全面介紹，并定期推送匯總各商圈、商鋪的打折信息、商場活動等。

4.3.針對不同類型人群的消費傾向得出店鋪規劃

旅游休閑型客戶最希望增加的商鋪是咖啡廳、小吃和奶茶;臨時混合型客戶最希望增加的商鋪是休閑吧、小吃和餐飲;計劃公務型客戶最希望增加的商鋪是書店、小吃和奶茶。如下詞云圖：

在未來地鐵商業開發站點的商鋪建立上，需要結合不同人群的消費特征進行考慮。比如可以在商鋪開發前對周邊居住人群進行調研統計各類人群的具體數量和消費特點，以此對不同商鋪數量和風格進行分數量分功能打造;

參考文獻：

[1]張雙.地鐵乘客滿意度評價體系研究[D].長安大學，2008.

[2]周艷芳， 周磊山.城市軌道交通乘客滿意度評價體系的構建[J].都市軌道交通， 2007.

[3]樊曉雨.重慶軌道交通商業空間使用滿意度研究[D].重慶大學，2014.

[4]毛國君.段立娟. 數據挖掘原理與算法[M].清華大學出版社， 2016.

[5]顧兆軍， 王偉， 李曉紅. 基于潛在類別模型的航空旅 客分類[J]. 計算機技術與發展， ? ? ? ?2012.[GU Z J， WANG W， LI X H. Classification of airline passengers based on ? ? ? ?latent class model[J]. Computer Technology and Development， 2012.]

[6]王文娣，楊忠振，李一旋.基于旅客價值測度模型的客運市場細分和公路客運發展策略研 ? ? ? ?究[J].公路交通科技，2016.

[7]喬珂，趙鵬，文佳星.基于潛在類別模型的高鐵旅客市場細分[J].交通運輸系統工程與信息，2017.

[8]潘玲玲. 基于旅客行為的航空旅客細分模型研究及其實現[D].南京航空航天大學，2012.

基金項目：國家級大學生創新訓練項目（20195200221《貴陽地鐵商業空間需求與使用滿意度調查研究》）;“貴州師范學院大學生互聯網+創新創業訓練中心”（項目編號：黔教高發[2015]337號、黔教高發〔2017〕158號）